近日,AI與未來(lái)網(wǎng)絡(luò)研究院賈維嘉教授團(tuán)隊(duì)在設(shè)備端邊緣智能方向的工作“Empowering Edge Intelligence: A Comprehensive Survey on On-Device Al Models”被計(jì)算機(jī)領(lǐng)域頂刊ACM Computing Surveys錄用。
ACM Computing Surveys 1969年創(chuàng)刊,最新影響因子23.8,目前是Cite Score上排名第一的計(jì)算機(jī)領(lǐng)域國(guó)際頂級(jí)期刊,屬于中科院SCI一區(qū)Top期刊。
設(shè)備端人工智能(AI)模型
2025.3
在當(dāng)前人工智能技術(shù)迅猛發(fā)展的背景下,設(shè)備端人工智能(AI)模型的研究逐漸成為推動(dòng)智能設(shè)備普及和應(yīng)用的重要力量。
綜述深入探討了設(shè)備端人工智能模型的基本概念、應(yīng)用場(chǎng)景及其面臨的技術(shù)挑戰(zhàn)。首先,論文定義了設(shè)備端AI模型的特征,包括實(shí)時(shí)性能、資源限制和數(shù)據(jù)隱私保護(hù),并分析了其在智能手機(jī)、智能家居、自動(dòng)駕駛和醫(yī)療設(shè)備等領(lǐng)域的應(yīng)用。其次,綜述詳細(xì)討論了設(shè)備端AI模型所面臨的主要挑戰(zhàn),如計(jì)算資源的限制、能量管理和數(shù)據(jù)隱私問(wèn)題。為應(yīng)對(duì)這些挑戰(zhàn),研究者們提出了多種優(yōu)化和實(shí)施策略,包括模型壓縮、數(shù)據(jù)預(yù)處理和系統(tǒng)集成等。此外,綜述還探討了邊緣計(jì)算和基礎(chǔ)模型等新興技術(shù)對(duì)設(shè)備端AI模型演變的影響,強(qiáng)調(diào)了這些技術(shù)在推動(dòng)智能系統(tǒng)發(fā)展的重要性。
綜述從數(shù)據(jù)、模型和系統(tǒng)三個(gè)方面詳細(xì)介紹了在設(shè)備上優(yōu)化和實(shí)施人工智能模型的方法。設(shè)備端人工智能的數(shù)據(jù)優(yōu)化方法能夠有效提升為設(shè)備端AI模型收集的數(shù)據(jù)質(zhì)量;模型優(yōu)化操作包括模型壓縮和模型設(shè)計(jì),其中模型壓縮通過(guò)剪枝、模型量化和知識(shí)蒸餾等技術(shù)減少模型大小,以獲得在保持高準(zhǔn)確度的同時(shí)需要更少資源的緊湊模型;綜述還介紹了加速模型性能的硬件方法。
本綜述為設(shè)備端AI模型的特征和應(yīng)用提供了系統(tǒng)的分析框架,提出的優(yōu)化策略為設(shè)備端AI模型的實(shí)際應(yīng)用提供了指導(dǎo),強(qiáng)調(diào)了設(shè)備端AI模型在智能家居、醫(yī)療健康、工業(yè)自動(dòng)化等多個(gè)領(lǐng)域的應(yīng)用潛力。
本文第一作者為AI與未來(lái)網(wǎng)絡(luò)研究院2022級(jí)博士研究生王旭斌,指導(dǎo)老師賈維嘉教授。合作者還有北京師范大學(xué)王田教授、郭劍雄副教授、王晨豪副教授、唐志清博士以及UIC孟天暉博士。
這項(xiàng)工作得到了國(guó)家自然科學(xué)基金、廣東省教育廳、廣東省科技廳、北京師范大學(xué)珠海校區(qū)、珠海市科學(xué)技術(shù)創(chuàng)新局的資助。部分工作得到了北京師范大學(xué)(珠海)交叉智能超算中心的支持。
鏈接:https://arxiv.org/pdf/2503.06027
來(lái)源:BNU自然科學(xué)高等研究院